python - 减去数据帧 Pandas 时的NaN

Question

我有两个数据框，它们的索引和列只是有些重叠。

old = pd.DataFrame(index = ['A', 'B', 'C'],
                   columns = ['k', 'l', 'm'],
                   data = abs(np.floor(np.random.rand(3, 3)*10)))

new = pd.DataFrame(index = ['A', 'B', 'C', 'D'],
                   columns = ['k', 'l', 'm', 'n'],
                   data = abs(np.floor(np.random.rand(4, 4)*10)))

我想计算它们和试过的区别

delta = new - old

这会产生很多索引和列不匹配的 NaN。我想将索引和列的缺失视为零，(old['n', 'D'] = 0)。 old 永远是 new 的子空间。

有什么想法吗？

编辑:我想我解释得不够彻底。我不想用零填充增量数据框。我想将旧的缺失索引和列视为零。然后我会在 new['n', 'D'] 中以增量而不是 NaN 的形式获取值。

Answer 1

使用sub使用 fill_value=0:

In [15]:
old = pd.DataFrame(index = ['A', 'B', 'C'],
                   columns = ['k', 'l', 'm'],
                   data = abs(np.floor(np.random.rand(3, 3)*10)))
​
new = pd.DataFrame(index = ['A', 'B', 'C', 'D'],
                   columns = ['k', 'l', 'm', 'n'],
                   data = abs(np.floor(np.random.rand(4, 4)*10)))
delta = new.sub(old, fill_value=0)
delta

Out[15]:
   k  l  m  n
A  0  3 -9  7
B  0 -2  1  8
C -4  1  1  7
D  8  6  0  6